メタラーニングにおける少数サンプル分類でサンプル特徴の識別能力が不足する問題に対して、クラス内・クラス間チャネル注意少数ショット分類法（Intra-inter Channel Attention Few-shot Classification、ICAFSC）を提案した。ICAFSCはプロトタイプネットワークを基にクラス内・クラス間チャネル注意モジュールを設計し、このモジュールはクラス内・クラス間距離測定を通じてチャネル重みを計算し特徴を重み付けすることで、特徴のクラス識別能力を向上させる。メタトレーニング段階でクラス内・クラス間チャネル注意モジュールを直接学習すると過学習または過小学習が発生しやすい問題を克服するため、ICAFSCはプロトタイプネットワークのメタトレーニング前に事前学習段階を追加した。この段階では大量のラベル付きサンプルを用いた分類タスクを設計し、これらのタスクでクラス内・クラス間チャネル注意モジュールを十分に訓練し、最適な状態に達するよう促す。プロトタイプネットワークのメタトレーニングおよびメタテスト段階ではクラス内・クラス間チャネル注意モジュールのパラメータを固定し、それぞれ少数ショット分類の経験の学習と転移を実現する。MiniImagenetデータセット上で1ショットおよび5ショットの少数ショット分類実験を実施した。実験結果は、本稿で提案したクラス内・クラス間チャネル注意少数ショット分類法がプロトタイプネットワークと比較して、1ショットおよび5ショット条件下での分類精度をそれぞれ1.93％および1.15％向上させたことを示している。

ディープラーニング;少数ショット分類;メタラーニング;プロトタイプネットワーク;チャネル注意